基于特征加權(quán)與特征選擇的數(shù)據(jù)挖掘算法研究.pdf

1、數(shù)據(jù)挖掘是目前人工智能和數(shù)據(jù)庫領(lǐng)域的研究熱點。幾十年來各種不同的數(shù)據(jù)挖掘方法得到了廣泛的研究。數(shù)據(jù)挖掘不僅是數(shù)據(jù)庫知識發(fā)現(xiàn)中的一個重要步驟，從數(shù)據(jù)庫的大量數(shù)據(jù)中，自動搜索隱藏于其中有價值的規(guī)律信息;也是一種決策支持的過程，利用人工智能、機器學(xué)習(xí)、模式識別、統(tǒng)計學(xué)、可視化等技術(shù)，分析各種類型的數(shù)據(jù)，從中挖掘出潛在的模式，幫助各個領(lǐng)域的專家及研究和開發(fā)人員做出正確的決策判斷。
　　 目前，數(shù)據(jù)挖掘作為一門迅速發(fā)展的研究領(lǐng)域，面臨著越

2、來越多新的問題和挑戰(zhàn)。首先，數(shù)據(jù)的規(guī)模越來越大，也就是所謂的大規(guī)模數(shù)據(jù)的問題;其次，數(shù)據(jù)特征的維數(shù)不斷增加，導(dǎo)致出現(xiàn)所謂的維數(shù)災(zāi)難的問題;最后，數(shù)據(jù)挖掘越來越強調(diào)多學(xué)科的交叉，不僅需要靈活運用統(tǒng)計學(xué)、計算機、數(shù)學(xué)等建模技術(shù)，同時還需要具有生物學(xué)、腦科學(xué)、證券金融等學(xué)科的知識背景。針對上述的挑戰(zhàn)，人們提出了針對大規(guī)模數(shù)據(jù)的流數(shù)據(jù)分析方法;針對高維數(shù)據(jù)的特征加權(quán)和特征選擇方法;同時，生物信息學(xué)等交叉學(xué)科也成為目前數(shù)據(jù)挖掘領(lǐng)域的研究重點。

3、r>　　 本文圍繞特征加權(quán)和特征選擇這一主題，在研究和借鑒現(xiàn)有算法的基礎(chǔ)上，針對上述問題，提出了一系列新算法、改進算法、以及新的應(yīng)用。文本所研究的內(nèi)容主要涉及兩個方面，即針對特征加權(quán)技術(shù)的軟子空間聚類算法的研究與改進，以及利用特征選擇方法的分類技術(shù)的研究與應(yīng)用。特別是針對當(dāng)前數(shù)據(jù)挖掘領(lǐng)域所面臨的大規(guī)模數(shù)據(jù)的問題、高維數(shù)據(jù)特征加權(quán)和特征選擇的問題，以及多學(xué)科交叉的問題，都進入了深入地研究和探討。本文提出的算法被成功應(yīng)用于信息檢索中的文本

4、聚類、基因表達數(shù)據(jù)聚類、人臉識別與分類以及生物信息學(xué)中二硫鍵連接模式預(yù)測等實際問題，很好地驗證了所提算法和技術(shù)的有效性。具體而言，本文的研究內(nèi)容和創(chuàng)新性成果主要在于:
　　 1)本文針對高維大規(guī)模數(shù)據(jù)或者流數(shù)據(jù)的子空間聚類問題，利用在線學(xué)習(xí)策略和模糊可擴展聚類技術(shù)，與現(xiàn)有的軟子空間聚類算法相結(jié)合，提出了兩種在線軟子空間聚類算法(OFWSC、OEWSC)和兩種流數(shù)據(jù)軟子空間聚類算法（FuStreCA、EnStreCA）。
　

5、　 2)本文提出了一種新穎的多目標(biāo)優(yōu)化軟子空間聚類算法(MOSSC)，利用多目標(biāo)優(yōu)化技術(shù)，分別優(yōu)化軟子空間聚類方法中的類內(nèi)、類間兩個目標(biāo)函數(shù)，并利用加權(quán)子空間二部圖劃分方法對所得的非占優(yōu)Pareto最優(yōu)解集進行分析，推導(dǎo)出最終的聚類劃分結(jié)果。
　　 3)本文針對軟子空間聚類算法面臨的數(shù)據(jù)簇數(shù)目不確定和聚類中心初始化兩個問題，將模糊和熵加權(quán)軟子空間聚類算法與競爭合并策略相結(jié)合，提出了基于競爭合并策略的模糊加權(quán)軟子空間聚類算法(F

6、WSCA)和熵加權(quán)軟子空間聚類算法(EWSCA)。
　　 4)本文利用稀疏表示的思想和L1范數(shù)最小化的方法，提出了一種新穎的基于稀疏分?jǐn)?shù)(SparseScore)的特征選擇方法，通過構(gòu)造樣本間的稀疏表示重構(gòu)系數(shù)矩陣，計算數(shù)據(jù)集中各個特征的稀疏表示保留能力，從而對數(shù)據(jù)集的特征重要性進行排序。
　　 5)本文針對生物信息學(xué)中二硫鍵結(jié)構(gòu)模式的預(yù)測問題，通過利用四種基于分?jǐn)?shù)方程的特征選擇方法得到蛋白序列全局特征和局部特征的特征子